डनलम: LiDAR समर्थित AR "व्यू-इन-रूम" अनुभव

त्वरित सारांश

• भूमिका: सह-संस्थापक और लीड डेवलपर
• अवधि: सितंबर 2017 - जनवरी 2021
• प्लेटफार्म: आईओएस, एंड्रॉइड
• इंजन: अवास्तविक इंजन (C++)
• एआर फ्रेमवर्क: एआरकिट, एआरकोर
• भेद: LiDAR गहराई-आधारित रोड़ा + एकीकृत AR अमूर्त परत

टाइमलाइन (2017-2022)

• 2017: एमवीपी/पीओसी और पहला ग्राहक डेमो।
• 2018-2020: उत्पादीकरण, डनलम साझेदारी, परिसंपत्ति पाइपलाइन और एआर परिनियोजन प्रवाह।
• 2021: अंतिम सुधार और हैंडओवर (मेरे सक्रिय योगदान का समापन)।
• 2022: डनलम ग्राहक लॉन्च (मेरे सक्रिय योगदान के बाद)।

समस्याएँ और बाधाएँ

• रिटर्न दरों को कम करने के लिए सटीक पैमाने और यथार्थवादी प्लेसमेंट की आवश्यकता।
• मोबाइल उपकरणों पर प्रदर्शन सीमाएँ और विभिन्न सेंसर क्षमताएँ।
• ARKit/ARCore API अंतर और क्रॉस-प्लेटफ़ॉर्म स्थिरता।
• बड़े उत्पाद कैटलॉग को एआर-रेडी बनाना।
• ई-कॉमर्स एकीकरण और डेटा की अद्यतनता।

समाधान सारांश

मैंने अवास्तविक इंजन पर व्यू-इन-रूम अनुभव का निर्माण करके ARKit/ARCore के लिए एक एकीकृत अमूर्त परत डिज़ाइन की है। दृश्य यथार्थवाद और ई-कॉमर्स प्रवाह के साथ अनुकूलता दोनों को LiDAR-समर्थित गहराई रोड़ा, पीबीआर सामग्री और उत्पाद डेटा पाइपलाइन के साथ हासिल किया गया था।

वास्तुकला एक नज़र में

• एकीकृत एआर सत्र परत: एआरकिट/एआरकोर अंतरों को एक ही एपीआई में लाना।
• समन्वय परिवर्तन और विमान का पता लगाने का सामान्यीकरण।
• रेंडर पाइपलाइन: पीबीआर सामग्री, छाया/प्रकाश अनुकूलन, एलओडी।
• उत्पाद डेटा प्रवाह: REST API -> कैश -> स्ट्रीमिंग -> AR दृश्य।

LiDAR समावेशन (गहराई-आधारित) + फ़ॉलबैक रणनीति

मैंने LiDAR समर्थित iOS उपकरणों पर गहराई मानचित्र का उपयोग करके प्रति-पिक्सेल रोड़ा लागू किया और सुनिश्चित किया कि वास्तविक वस्तुओं ने आभासी उत्पादों को सही ढंग से छुपाया है। गैर-LiDAR उपकरणों पर, मैंने विमान-आधारित रोड़ा और गहराई अनुमान के साथ हल्के फ़ॉलबैक प्रवाह का उपयोग किया।- गहराई का नक्शा -> रोड़ा शेडर -> अस्थायी फ़िल्टरिंग के साथ स्थिर मुखौटा।

• नॉन-लीडार फ़ॉलबैक: प्लेन रोड़ा + सरलीकृत एज स्मूथिंग।
• व्यापार-बंद: उच्च यथार्थवाद बनाम बैटरी/प्रदर्शन लागत।

क्रॉस-प्लेटफ़ॉर्म AR (ARKit + ARCore)

मैंने एकल स्थिति और स्केलिंग प्रवाह प्रदान करने के लिए रनटाइम परिवर्तनों के साथ ARKit और ARCore की विभिन्न समन्वय प्रणालियों को सामान्यीकृत किया। डिवाइस क्षमताओं के अनुसार सत्र आरंभीकरण और फीचर गेटिंग के साथ समता को संरक्षित किया गया था।

उत्पाद डेटा और परिसंपत्ति पाइपलाइन

उत्पाद जानकारी और 3D परिसंपत्तियाँ REST API के माध्यम से पुनर्प्राप्त की गईं; कैश लेयर और प्रगतिशील स्ट्रीमिंग के साथ तेज़ शुरुआत का लक्ष्य रखा गया था। 3डी मॉडल एलओडी, बनावट संपीड़न और पीबीआर सामग्री मानकीकरण के साथ मोबाइल के लिए अनुकूलित हैं।

प्रदर्शन और क्यूए

• आईओएस/एंड्रॉइड डिवाइस मैट्रिक्स पर प्रोफाइल और रिग्रेशन परीक्षण।
• GPU/CPU बजट के अनुसार LOD और बनावट गुणवत्ता समायोजन।
• बैटरी की खपत और थर्मल थ्रॉटलिंग के लिए सीमा परीक्षण।

प्रभाव/परिणाम

• ऐप अपनाना - 100k डाउनलोड (पहले 3 महीने) - स्रोत: ऐप स्टोर कनेक्ट/प्ले कंसोल (डनलम इंटरनल एनालिटिक्स के माध्यम से सत्यापन योग्य)।
• रूपांतरण वृद्धि - +35% - अवधि: [एक्स], बेसलाइन: एआर सत्र बनाम गैर-एआर सत्र - स्रोत: जीए4/फायरबेस (सत्यापित होने पर जोड़ा जा सकता है)।
• रिटर्न दर में कमी - -40% - अवधि: [एक्स], बेसलाइन: प्री-एआर - स्रोत: डनलम आंतरिक बीआई (पुष्टि होने पर जोड़ा जा सकता है)।
• सत्र अवधि में वृद्धि - +50% - अवधि: [एक्स] - स्रोत: विश्लेषण (सत्यापित होने पर जोड़ा जा सकता है)।

प्रमुख व्यापार-बंद

• अवास्तविक इंजन विकल्प: दृश्य गुणवत्ता में वृद्धि, लेकिन मोबाइल अनुकूलन की कीमत पर।
• LiDAR-केवल गुणवत्ता बनाम कवरेज: गैर-LiDAR फ़ॉलबैक के साथ संतुलन।
• उच्च रिज़ॉल्यूशन संपत्ति बनाम तेज़ ओपनिंग: स्ट्रीमिंग + एलओडी।
• यथार्थवाद बनाम बैटरी खपत: शेडर और पोस्ट-प्रोसेसिंग सीमाएं।

अक्सर पूछे जाने वाले प्रश्न

LiDAR रोड़ा कैसे काम करता है?

प्रति-पिक्सेल रोड़ा गहराई मानचित्र के माध्यम से लागू किया जाता है; वास्तविक वस्तुएँ आभासी वस्तुओं को सटीक रूप से छिपाती हैं।

गैर-LiDAR उपकरणों के साथ क्या होता है?

बुनियादी यथार्थवाद को समतल-आधारित रोड़ा और क्षीण गहराई अनुमान के साथ संरक्षित किया जाता है।

पैमाने की सटीकता कैसे हासिल की गई?

उत्पाद आयामों को मीट्रिक मानों के साथ REST API से खींचा जाता है और बिल्कुल दृश्य पर लागू किया जाता है।

प्रदर्शन को कैसे मापा गया?

एफपीएस, मेमोरी और लोडिंग समय को प्रोफाइल टूल और डिवाइस मैट्रिक्स परीक्षणों के साथ ट्रैक किया गया था।

एसेट पाइपलाइन का निर्माण कैसे किया गया?

उत्पाद मॉडल को LOD + बनावट संपीड़न के साथ अनुकूलित किया गया और प्रगतिशील स्ट्रीमिंग के साथ लोड किया गया।

टेलीमेट्री और गुणवत्ता ट्रैकिंग कैसी थी?

डिवाइस/ओएस विभाजन के साथ त्रुटि, प्रदर्शन और उपयोग लॉग की नियमित रूप से निगरानी की गई।

ARKit/ARCore मतभेदों को कैसे संभाला गया?

एकीकृत अमूर्त परत और रनटाइम फ़ीचर गेटिंग के साथ एकल प्रवाह प्राप्त किया गया था।

संबंधित परियोजनाएं

• रैपिड रेंडर: रीयल-टाइम 3डी उत्पाद विन्यासकर्ता
• मल्कोल: वीआर फायरस्टॉप असेंबली सिमुलेशन
• मल्कोल: एआर असेंबली कैटलॉग (मार्कर-आधारित)

प्रोजेक्ट छाप

• कंपनी/ग्राहक: डनेल्म (यूके)
• कंपनी: लिंडो लैब्स (सह-संस्थापक)
• भूमिका: सह-संस्थापक और लीड डेवलपर
• अवधि: सितंबर 2017 - जनवरी 2021
• प्लेटफार्म: आईओएस, एंड्रॉइड
• इंजन: अवास्तविक इंजन (C++)
• एआर फ्रेमवर्क: एआरकिट, एआरकोर, लीडर
• लॉन्च: जून 2022 (डनलम पक्ष; मेरे सक्रिय योगदान के बाद)
• स्थान: लंदन, यूके / इस्तांबुल, तुर्किये (दूरस्थ)